Một giải pháp lọc nhiễu ảnh siêu âm dùng bộ lọc NLM thích nghi

Bài viết này đề xuất một giải pháp khử nhiễu trong ảnh siêu âm dùng bộ lọc NLM thích nghi (BBA-NLM) dựa trên thuật toán tối ưu bầy dơi nhị phân (BBABinary Bat Algorithm) và chỉ số đánh giá không dùng tham chiếu Q-Metric. Bộ lọc đề xuất có thể khử nhiễu Gaussian mà không cần ảnh tham chiếu, đồng thời vẫn giữ được các chi tiết ảnh, cạnh và kết cấu tốt.
Nội dung trích xuất từ tài liệu:
Một giải pháp lọc nhiễu ảnh siêu âm dùng bộ lọc NLM thích nghiKỹ thuật điều khiển & Điện tử MỘT GIẢI PHÁP LỌC NHIỄU ẢNH SIÊU ÂM DÙNG BỘ LỌC NLM THÍCH NGHI Bồ Quốc Bảo1*, Tống Văn Luyên1, Tạ Chí Hiếu2, Nguyễn Hải Dương2 Tóm tắt: Phương pháp lọc trung bình không cục bộ NLM (Non-Local Mean Filter) cung cấp một công cụ rất mạnh để khử nhiễu ảnh số. Tuy nhiên, một số tham số của bộ lọc này phụ thuộc dữ liệu đầu vào (ảnh nhiễu) và cần điều chỉnh thích nghi. Bài báo này đề xuất một giải pháp khử nhiễu trong ảnh siêu âm dùng bộ lọc NLM thích nghi (BBA-NLM) dựa trên thuật toán tối ưu bầy dơi nhị phân (BBA- Binary Bat Algorithm) và chỉ số đánh giá không dùng tham chiếu Q-Metric. Bộ lọc đề xuất có thể khử nhiễu Gaussian mà không cần ảnh tham chiếu, đồng thời vẫn giữ được các chi tiết ảnh, cạnh và kết cấu tốt. Chúng tôi cũng thực thi một số mô phỏng với các ảnh có nhiễu Gaussian với phương sai khác nhau để chứng minh hiệu suất của phương pháp được đề xuất vượt trội so với các công bố trước đây.Từ khóa: Ảnh siêu âm; Nhiễu Gaussian; Lọc không cục bộ NLM; Q-Metric; Thuật toán dơi BA. 1. ĐẶT VẤN ĐỀ Siêu âm chẩn đoán (US-Ultrasound) thường được ưu tiên hơn các phương pháp chẩnđoán y tế khác và là kỹ thuật chẩn đoán y học an toàn, được sử dụng rộng rãi, do tính chấtkhông xâm lấn, chi phí thấp, khả năng tạo ảnh thời gian thực và cải tiến liên tục về chấtlượng ảnh [1]. Nhược điểm lớn nhất của y tế siêu âm là chất lượng ảnh kém, chủ yếu do các loại nhiễutrong quá trình xử lý và khôi phục ảnh. Nhiễu trong ảnh siêu âm gồm: (i) Nhiễu xung:nhiễu muối tiêu (salt and pepper); (ii) Nhiễu cộng: nhiễu Gauss trắng (AWGN) và (iii)Nhiễu nhân: nhiễu đốm (Speckle Noise) [2]. Một trong những sáng kiến quan trọng nhất những năm gần đây trong việc khử nhiễu làsự ra đời của phương pháp lọc trung bình không cục bộ (NLM: Non-Local Mean Filter)được Buades và các cộng sự đề xuất [3-5]. NLM là thuật toán khử nhiễu, có giá trị trungbình của tất cả các pixel trong một vùng xác định được đo bởi sự tương đồng giữa các điểmảnh so với điểm ảnh tham chiếu. Cách tiếp cận này dựa trên quan sát rằng các ảnh tự nhiênthể hiện sự tự tương đồng một cách rõ ràng [6]. So với các bộ lọc thông thường, NLM thểhiện tính rõ ràng cao hơn trong khi vẫn bảo toàn được các chi tiết tinh xảo của ảnh. Tuy nhiên, đối với phương pháp NLM tiêu chuẩn, việc tính toán khoảng cách Euclidegiữa các điểm ảnh trong vùng lân cận thường phức tạp làm cho thời gian xử lý chậm;ngoài ra, các tham số của bộ lọc thường phụ thuộc vào dữ liệu đầu vào và khó lựa chọnđiều chỉnh, việc lựa chọn bộ tham số tối ưu cho bộ lọc này chủ yếu dựa vào kinh nghiệm.Chính vì vậy, đã có nhiều đề xuất được công bố nhằm khắc phục những hạn chế trên. Azzabou và cộng sự [7] đề xuất ý tưởng sử dụng phân tích thành phần chính (PCA-Principal Component Analysis) để giảm thời gian tính toán trong NLM. Abrahim và cộngsự [8] đề xuất một phiên bản mới của bộ lọc NLM thích nghi cho ảnh siêu âm dựa trênchức năng tương đồng phụ thuộc vào đặc điểm cụ thể của nhiễu biến dạng trong ảnh siêuâm. W.Sun và M.Han [9] đề xuất giải pháp thích nghi cửa sổ tìm kiếm để điều chỉnh thôngsố bộ lọc NLM. Salmon [10] nghiên cứu ảnh hưởng của hai tham số: cửa sổ tìm kiếm vàtrọng số của cửa sổ vá lỗi trung tâm. Trong thời gian gần đây, các kỹ thuật tối ưu dùng các thuật toán tối ưu có nguồn gốc từthiên nhiên như giải thuật di truyền (Genetic Algorithm-GA), kỹ thuật tối ưu bầy đàn(Particle Swarm Optimization-PSO)... đều được chứng minh là các giải pháp linh hoạt vàtốt hơn so với các kỹ thuật tối ưu truyền thống. L.Y.Hsu và các cộng sự [11] đã đề xuất36 Đ. Q. Bảo, …, N. H. Dương, “Một giải pháp lọc nhiễu ảnh … bộ lọc NLM thích nghi.”Nghiên cứu khoa học công nghệgiải pháp TPNLM để lọc nhiễu Gaussian bằng cách kết hợp bộ lọc NLM với thuật toán tốiưu bầy đàn TPSO. Tuy nhiên, thuật toán BA (Bat Algorithm) thực hiện tối ưu sử dụng trítuệ bầy dơi được đề xuất bởi Xin-She Yang [12] và đã được chứng minh là một thuật toánmạnh mẽ và hiệu quả hơn nhiều so với các thuật toán GA, PSO... [13-15]. Thuật toánBinary Bat (BBA) [16] được trình bày vào năm 2013 được coi là một trong những công cụtối ưu hóa mạnh mẽ nhất, thuật toán này được đề xuất dựa trên thuật toán BA để giải quyếtcác bài toán tối ưu khác nhau trong không gian tìm kiếm rời rạc. Trong nội dung bài báo này, chúng tôi đề xuất một bộ lọc mới, BBA-NLM, bằng cáchkết hợp thuật toán tối ưu BBA với thuật toán NLM để khử nhiễu trong ảnh siêu âm. Bộ lọcđề xuất có thể khử nhiễu Gaussian mà không cần ảnh tham chiếu, đồng thời vẫn giữ đượccác chi tiết, cạnh và kết cấu một cách tốt nhất. Thuật toán lọc NLM tiêu chuẩn theo mô tả ở tiểu mục 2.1 có bộ trọng số (a, h, d, k) cóthể được lựa chọn tối ưu bằng cách dùng thuật toán thích nghi bầy dơi nhị phân BBA(Binary ...